La-SoftMoE CLIP 用于统一物理-数字人脸攻击检测
计算机视觉与模式识别
2024-08-26 v1
摘要
人脸识别系统易受到物理和数字攻击，构成重大的安全风险。传统方法通常因其各自的独特特征而将这两种攻击类型分开处理。因此，当组合攻击时，几乎所有方法都无法办法。一些研究尝试将两种攻击类型的稀疏数据合并到单个数据集中，并试图寻找常见特征空间，但这往往不可行，由于该空间难以找到或根本不存在。为克服这些挑战，我们提出了一种新方法，使用稀疏模型处理稀疏数据，利用不同参数组处理稀疏特征空间的不同区域。具体而言，我们在模型中采用混合专家(MoE)框架，专家参数在训练期间与具有不同权重的标记匹配，并在测试期间自适应激活。然而，传统MoE在处理本问题的复杂且不规则的分类边界方面存在困难。因此，我们引入一种灵活的自适应加权机制，使模型能够更好地拟合和适应。本文提出了La-SoftMoE CLIP，该方法允许对统一攻击检测(UAD)任务进行更灵活的适应，显著增强了模型处理多样化攻击的能力。实验结果表明，我们提出的方法具有最先进的性能。
引用
@article{arxiv.2408.12793,
title = {La-SoftMoE CLIP for Unified Physical-Digital Face Attack Detection},
author = {Hang Zou and Chenxi Du and Hui Zhang and Yuan Zhang and Ajian Liu and Jun Wan and Zhen Lei},
journal= {arXiv preprint arXiv:2408.12793},
year = {2024}
}